html_strip = {0|1}此选项确定是否应从传入的全文数据中去除HTML标记。默认值为0，表示禁用去除。要启用去除，请将值设置为1。
HTML标签和实体被视为标记，并将被处理。
HTML标签被移除，而它们之间的内容（例如，<p>和</p>之间的内容）保持不变。可以选择保留并索引标签属性（例如，A标签中的HREF属性或IMG标签中的ALT属性）。一些常见的内联标签，如A、B、I、S、U、BASEFONT、BIG、EM、FONT、IMG、LABEL、SMALL、SPAN、STRIKE、STRONG、SUB、SUP和TT，将完全移除。所有其他标签被视为块级标签，并用空格替换。例如，文本te<b>st</b>将被索引为单个关键词'test'，而te<p>st</p>将被索引为两个关键词'te'和'st'。
HTML实体被解码并替换为其相应的UTF-8字符。去除器支持实体的数字形式（例如ï）和文本形式（例如ó或 ），并支持HTML4标准中指定的所有实体。
去除器旨在与正确形成的HTML和XHTML一起使用，但在处理不规范的输入（例如带有游离的<'s或未关闭的>'s的HTML）时可能会产生意外结果。
请注意，仅移除标签本身以及HTML注释。要移除标签的内容，包括嵌入的脚本，请参阅html_remove_elements选项。标签名称没有限制，这意味着任何看起来是有效标签开始、结束或注释的内容都将被移除。
- SQL
- JSON
- PHP
- Python
- Python-asyncio
- javascript
- Java
- C#
- Rust
- CONFIG
CREATE TABLE products(title text, price float) html_strip = '1'html_index_attrs = img=alt,title; a=title;html_index_attrs选项允许您指定即使其他HTML标记被去除，哪些HTML标记属性也应被索引。默认值为空，表示不会索引任何属性。 该选项的格式是每个标签的可索引属性的枚举，如上例所示。指定属性的内容将被保留并索引，从而提供从全文数据中提取附加信息的方法。
- SQL
- JSON
- PHP
- Python
- Python-asyncio
- javascript
- Java
- C#
- Rust
- CONFIG
CREATE TABLE products(title text, price float) html_index_attrs = 'img=alt,title; a=title;' html_strip = '1'html_remove_elements = element1[, element2, ...]一个HTML元素列表，其内容及其自身将被移除。可选，默认值为空字符串（不移除任何元素的内容）。
此选项允许您移除元素的内容，即移除它们之间的所有内容。这对于移除嵌入的脚本、CSS等非常有用。空元素的简短标签形式（例如<br/>）得到了适当支持，这样的标签后面的文本不会被移除。
值是一个逗号分隔的元素（标签）名称列表，这些元素的内容应被移除。标签名称是不区分大小写的。
- SQL
- JSON
- PHP
- Python
- Python-asyncio
- javascript
- Java
- C#
- Rust
- CONFIG
CREATE TABLE products(title text, price float) html_remove_elements = 'style, script' html_strip = '1'index_sp = {0|1}控制句子和段落边界的检测和索引。可选，默认值为0（不进行检测或索引）。
此指令启用句子和段落边界的检测和索引，使得SENTENCE 和 PARAGRAPH 操作符可以工作。句子边界检测基于纯文本分析，只需设置index_sp = 1即可启用。段落检测依赖于HTML标记，并在HTML去除过程期间进行。因此，要索引段落边界，必须同时设置index_sp指令和html_strip指令为1。
以下规则用于确定句子边界：
- 问号（?）和感叹号（!）总是表示句子的边界。
- 结尾的点（.）表示句子的边界，除非出现以下情况：
- 后跟一个字母。这被认为是缩写的一部分（例如 "S.T.A.L.K.E.R." 或 "Goldman Sachs S.p.A."）。
- 后跟一个逗号。这被认为是缩写后跟一个逗号（例如 "Telecom Italia S.p.A., founded in 1994"）。
- 后跟一个空格和一个小写字母。这被认为是句子中的缩写（例如 "News Corp. announced in February"）。
- 前跟一个空格和一个大写字母，后跟一个空格。这被认为是中间名（例如 "John D. Doe"）。
段落边界在每个块级HTML标签处检测，包括：ADDRESS, BLOCKQUOTE, CAPTION, CENTER, DD, DIV, DL, DT, H1, H2, H3, H4, H5, LI, MENU, OL, P, PRE, TABLE, TBODY, TD, TFOOT, TH, THEAD, TR, 和 UL。
句子和段落都会使关键词位置计数器增加1。
- SQL
- JSON
- PHP
- Python
- Python-asyncio
- javascript
- Java
- C#
- Rust
- CONFIG
CREATE TABLE products(title text, price float) index_sp = '1' html_strip = '1'index_zones = h*, th, title一个字段内的HTML/XML区域列表，用于索引。默认值为空字符串（不会索引任何区域）。
一个“区域”定义为一对匹配的起始和结束标签之间的内容，所有共享相同标签名的span都称为一个“区域”。例如，文档字段中的 <H1> 和 </H1> 之间的内容属于H1区域。
index_zones 指令启用区域索引，但HTML stripper 也必须启用（通过设置 html_strip = 1）。index_zones 的值应为逗号分隔的标签名和通配符（以星号结尾）的列表，用于作为区域进行索引。
区域可以嵌套和重叠，只要每个起始标签都有一个匹配的标签。区域也可以用于与 ZONE 运算符匹配，如 extended_query_syntax 中所述。
- SQL
- JSON
- PHP
- Python
- Python-asyncio
- javascript
- Java
- C#
- Rust
- CONFIG
CREATE TABLE products(title text, price float) index_zones = 'h, th, title' html_strip = '1'